两道题

1、

#include<stdio.h>
#include<iostream>
#include<string.h>
#include<algorithm>
using namespace std;

int List[1000];
int main(){
int CaseNumber = 0;
cin>>CaseNumber;
while(CaseNumber --){
int ListNumber = 0;
cin>>ListNumber;
int num = 0;
for(int i = 0; i < ListNumber; i++){
while(cin >> List[num]){
if(List[num] == -1){
break;
}else {
num ++;
}
}
}
sort(List, List+num);
for(int i = 0; i < num; i++){
cout<<List[i];
if(i != num -1){
cout<<" ";
}
}cout<<endl;
}
}

 

2、

 

#include<stdio.h>
#include<iostream>
#include<string.h>
#include<algorithm>
using namespace std;

char List[1000];
char Father[1000];
int main(){
int CaseNumber = 0;
cin>>CaseNumber;
while(CaseNumber --){
scanf("%s", List);
int num = 0;;
for(int i = 0 ;i < strlen(List); i++){
if(List[i] == '#'){
continue;
}
int son = 0;
if(i *2+1 < strlen(List) && List[i * 2 + 1] != '#'){
son += 1;
}
if(i *2+2 < strlen(List) && List[i * 2 + 2] != '#'){
son += 1;
}
if(son == 1){
Father[num++] = List[i];
}
}
cout<<num<<":";
for(int i = 0 ;i < num; i++){
cout<<Father[i];
}
cout<<endl;
}
}
/*
1
A#B###C
*/

转载于:https://www.cnblogs.com/icodefive/p/10461575.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
对于这两道,可以使用深度学习方法来解决。其中,可以采用卷积神经网络(Convolutional Neural Network, CNN)来实现图片分类任务。 1. 图片分类任务 首先,需要准备好图像数据集,包括训练集和测试集。对于本,可以使用MNIST数据集,该数据集包含了60000个28x28的手写数字图片作为训练集,以及10000个测试集。每个图片都以灰度图像的形式表示,因此每个图片都是一个28x28的矩阵。对于每个数字,都有一个对应的标签来表示其真实值。 然后,可以使用CNN模型来训练这个分类任务。CNN模型可以从图像中提取特征,然后使用全连接层将这些特征映射到对应的类别。经过多轮迭代训练,模型可以逐渐学习到正确的特征提取方式,并且正确分类测试集中的图片。 2. 图片生成任务 对于图片生成任务,可以使用生成对抗网络(Generative Adversarial Networks, GAN)来实现。GAN由两个神经网络组成,一个生成器(Generator)和一个判别器(Discriminator)。生成器的作用是接收一个随机噪声向量作为输入,然后生成一张新的图片。判别器的作用则是接收一张图片作为输入,然后判断这张图片是否为真实图片。两个神经网络通过对抗学习的方式进行训练,最终生成器可以生成逼真的图片,而判别器可以准确地区分真实图片和生成图片。 对于本,可以使用GAN模型来生成手写数字图片。首先,需要准备好一个训练集,包括真实图片和噪声向量。然后,可以使用生成器生成一张新的图片,并使用判别器对这张图片进行判断。通过不断迭代训练,生成器可以逐渐生成逼真的手写数字图片。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值